Chris Lovett
2000年8月21日
现在我知道引起大量读者评论的秘密了。只需写一篇有关读者还不能接触到的最新技术的文章就够了。现在既然提供了 .NET Framework SDK 的技术概览(英文),我希望您们都已经对其有所了解。
在本文中,我想仔细研究一下包括在 2000 年 7 月的 Microsoft XML Parser 测试版(英文)中的 Visual Basic® SAX 接口(英文)。为了作一点更改,我决定编写一些 Visual Basic 代码,而最终我却编写了一大堆代码。我还很好地实现了 MSXML2.VBSAXXMLReader30 类。应用结果如下所示:
OASIS 一致性测试的利用
我从编写 Visual Basic 测试的应用着手,以便运行 OASIS 一致性测试套件(英文)。
我所从事的另一个项目需要此测试,因此我认为我会一举两得。此测试的使用要加载一个很大的 XML 文档,它是要运行的所有测试的索引。每个测试都像下面这样列出:
Attribute values must start with attribute names, not "?".
每个 TEST 元素都包含以下属性:
属性
值
含义
TYPE
not-wf
此时可认为分析器将报告一个格式明确的错误消息
invalid
此时可认为验证分析器将报告验证错误消息,而非验证的分析器则将让这些测试通过
valid
此时可认为验证分析器和非验证的分析器都将让这些测试通过
ENTITIES
none
无论测试是否要求支持加载实体
ID
not-wf-sa-001
唯一的测试标识符
URI
not-wf/sa/001.xml
要分析的实际 XML 测试文件的位置
SECTIONS
3.1 [41]
对 XML 1.0 规范(英文)中相关部分的引用
OasisTest.cls
进入 OasisTest 类模块的主入口点取得一个指向 xmlconf.xml 主索引文档的 URL:
Public Sub run(testurl As String)
在调用它时,我将此测试索引加载到一个 DOMDocument 对象中,选择所有的 TEST 元素,然后调用我的 SAX 测试代码,其中就有关于每个测试的信息。
Dim doc As DOMDocument
Dim node As IXMLDOMElement
Dim tests As IXMLDOMNodeList
Set doc = New DOMDocument30
doc.async = False
Set tests = doc.selectNodes("//TEST")
Set node = tests.nextNode()
While Not node Is Nothing And Not Cancel
RunTest(node)
node = tests.nextNode()
Wend
我还创建了一个空文档,它将包含一个所有测试结果的日志。在用户单击生成报表按钮时,将使用 template.xsl 样式表转换此文档,以显示最终的测试报告。
为了用 MSXML2.VBSAXXMLReader 对象实际上运行此测试,我使用了下面的方法:
Public Sub RunTest(docBase As String, element As IXMLDOMElement)
首先,此方法创建一个新的 SAX 阅读器对象,并对该对象进行配置,使其能够处理外部实体和回调我实现的 IVBSAXContentHandler、IVBSAXDTDHandler 和 IVBSAXErrorHandler 等接口。
Dim ContentHandler As ContentHandler
Set ContentHandler = New ContentHandler
Dim reader As VBSAXXMLReader30
Set reader = New VBSAXXMLReader30
reader.putFeature "http://xml.org/sax/features/external-parameter-entities", True
reader.putFeature "http://xml.org/sax/features/external-general-entities", True
Set reader.contentHandler = ContentHandler
Set reader.errorHandler = ContentHandler
Set reader.dtdHandler = ContentHandler
请注意,在同一个类(即 ContentHandler 类)上实现所有这三个处理程序接口实际上相当方便。
为了开始对测试文件的实际分析,我只需调用 parseURL 方法。
reader.parseURL (uri)
然后检查结果,在实际输出和预期输出结果之间进行比较,等等。
ContentHandler.cls
ContentHandler 类模块实现 SAX 回调接口,代码开头如下:
Option Explicit
Implements IVBSAXContentHandler
Implements IVBSAXDTDHandler
Implements IVBSAXErrorHandler
然后 ContentHandler 实现在这些接口上定义的所有方法。这个类中的大量代码处理如何生成 XML 的规范输出,此规范输出以后可用来与期望的输出进行比较。输出包括以下内容:
将所有特殊字符换码为实体:特殊字符包括 & " 并将换行符换码为
和
。这正是测试套件中所期望的输出文件的存储方式,因此我也必须完成此任务。
为属性排序:由于属性与次序无关,且一些分析器返回缺省属性的次序与其它分析器不同,排序可保证属性的次序与期望的输出文件相匹配。要做到这一点,我使用了在 MSDN 上找到的 Visual Basic QuickSort 算法。请参阅 Sorter.cls 模块。
保存符号声明:符号声明来自 IVBSAXDTDHandler 接口。需要保存它们,然后进行排序,以便对照期望的输出进行比较。符号的存储和排序在 DocType.cls 模块中完成。
捕获并存储错误信息:这在 IVBSAXErrorHandler fatalError 方法的实现中完成。
XML 统计数据程序包
用 SAX 级 XML 处理能做的另一件有趣的事情是对元素和属性进行计数。我编写了另一个简单的 IVBSAXContentHandler 实现,来对元素、属性、文本节点、文本字符和名称字符的数目进行计数—并显示一个“标记率”,表明在文件中相对于实际的文本内容有多少标记。正如您从下文所看到的,hamlet.xml 文件的标记相当多。
当您进行这种计数的时候,您一定会感觉到 SAX 级处理可以有多快。对比加载 DOMDocument 对象模型,并历经树结构来计算这一切,它当然要快得多。
Filter.cls
此类模块通过根据所调用的方法对一组计数器加 1,来实现 IVBSAXContentHandler 和 IVBSAXErrorHandler SAX 回调接口。例如,startElement 方法就完成以下任务:
Private Sub IVBSAXContentHandler_startElement(
ByVal strNamespaceURI As String,
ByVal strLocalName As String,
ByVal strQName As String,
ByVal Attributes As IVBSAXAttributes)
Dim i As Integer
Elements = Elements + 1
NameChars = NameChars + Len(strQName)
AttributeNodes = AttributeNodes + Attributes.length
For i = 0 To Attributes.length - 1
NameChars = NameChars + Len(Attributes.getQName(i))
TextChars = TextChars + Len(Attributes.getValue(i))
Next
End Sub
XML 过滤
在我为过滤器 IVBSAXContentHandler 的实现编写代码的同时,我发现添加过滤操作根本不会增加多少工作量。过滤器选项卡包含以下选项:
在这里我已经选择了加载 hamlet.xml 的选项,并将所有的元素名和属性名都转换为正确的大小写;例如, 将变成 等等。
格式化
SAX 级处理还使您能够通过添加新行和根据嵌套级别添加缩进,来格式化 XML 文档。您可以控制缩进量,并控制在缩进时是使用空格字符还是使用制表字符。当格式化被设置为“缩进”时,以下输入:
ChrisLovett
将变成:
Chris
Lovett
缩进算法的工作原理是:保持一个整数堆栈,这些整数代表文档每一级的“内容”模型。可能的值有:
Const CONTENT_EMPTY = 0
Const CONTENT_MIXED = 1
Const CONTENT_ELEMENT = 2
新元素的内容模型开始时被当作 CONTENT_EMPTY。当调用 IVBSAXContentHandler_characters 方法时,当前元素的内容模型被设置为 CONTENT_MIXED。如果在启动一个子元素时内容并没有混合,则内容将变成 CONTENT_ELEMENT。
我还没有完整地测试过此代码,因此我建议不要将它用于行业中的大负荷应用程序。然而,在大部分时间内它看起来工作得相当不错。您还可以在它上面加上许多东西。例如,您将注意到空元素 被输出为 。这只是因为我太懒了,以致于直到出现 endelement 事件才书写 "" 字符。这使代码有点凌乱,因为您必须牢记在书写任何文本内容或子元素之前都要写出 "" 字符。
元素的属性
最后,这个小复选框导致所有的属性都被书写为子元素。例如,当选中此复选框时,下面的 XML:
address='67 Seventh Av.' city='Salt Lake City' state='UT' zip='84152' contract='True' '/
将变成(在缩进也起作用时):
998-72-3567
Ringer
Albert
801 826-0752
67 Seventh Av.
Salt Lake City
UT
84152
True
这是由下面的代码简单地完成的:
If (AttrsToElements) Then
For i = 0 To Attributes.length - 1
Name = Attributes.getQName(i)
If (Name "xmlns" And Mid(Name, 1, 6) "xmlns:") Then
content(Level) = CONTENT_ELEMENT
Call WriteIndent(Level, content(Level))
OutputStream.Write ("")
OutputStream.Write (EscContent(Attributes.getValue(i)))
OutputStream.Write ("")
End If
Next
End If
结论
包括在 2000 年 7 月的 Microsoft XML Parser 测试版(英文)中的 Visual Basic SAX 接口(英文)使编写高性能、流级别 XML 处理的应用程序变得相当容易。我花了大约一天的时间就写出了这些小样例,得到了很多乐趣。我希望您也来享受使用 SAX 的快乐。
Chris Lovett 是 Microsoft 的 XML 小组的项目经理。
归档的早期 XML 栏目
2000 年
7月25日
6月22日
从 XSL 参数获取值(英文)
5月29日
XInclude,有人吗?(英文)
4月21日
ListEditor:一个有用的 XML Web 服务(英文)
3月20日
MSXML3 性能揭密(英文)
2月21日
MSXML 性能揭密(英文)
1月17日
1999 年
12月15日
XML for Microsoft Windows 2000 的新增功能(英文)
9月20日
ASP 技术和 XML DOM(英文)
8月16日
架构:挖掘内部潜能(英文)
7月20日